[发明专利]用于生成自适应音频内容的方法、系统和装置

说明书

本发明的实施例涉及自适应音频内容生成。具体而言，公开了一种用于生成自适应音频内容的方法，该方法包括：从基于声道的源音频内容中提取至少一个音频对象，以及至少部分地基于该至少一个音频对象生成自适应音频内容。还公开了相应的系统和计算机程序产品。

技术领域

本发明总体上涉及音频信号处理，更具体地，涉及自适应音频内容生成。

背景技术

目前的音频内容通常按照基于声道(channel based)的格式来生成和保存。例如，立体声、环绕5.1、环绕7.1都是得到广泛应用的基于声道的音频内容格式。随着多媒体技术的不断发展，诸如三维(3D) 电影和电视之类的多媒体数字内容正在变得日益流行。然而，传统的基于声道的音频格式通常难以有效地创建与之相适应的具有沉浸感的、逼真的音频内容。因此，期望多声道音频系统能够相应地得到扩展，从而创建更为富有沉浸感的立体声声场。实现这一目标的重要途径之一是使用自适应(adaptive)音频内容。

与传统基于声道的音频内容相比，自适应音频内容不仅包括音频声道，而且还包括音频对象(audio object)。在此使用的术语“音频对象”是指在所定义的一段持续时间中而存在的各种音频元素或声源。音频对象可以是动态的或者静态的。音频对象可以是在声场中充当声源的人、动物或者任何其他物体。可选地，音频对象还可以具有关联的元数据，例如用于描述对象的位置、速度、大小等方面的信息。音频对象的使用使得自适应音频内容具有很高的沉浸感和良好的听觉效果，并且允许调音师等操作者方便地控制和调整音频对象。而且，借助于对音频对象的操作，可以准确地控制离散的声音元素，而无需考虑具体的回放扬声器配置。同时，自适应音频内容可以进一步包括称为“静态环境声”(audio bed)的基于声道的部分和/或任何其他音频元素。在此使用的术语“静态环境声”或简称“环境声”是指将在预定义的固定位置被回放的声音的音频声道。静态环境声可以被认为是静态的音频对象，并且同样可以具有相关联的元数据。以此方式，自适应音频内容还可以兼具声道格式的优势以便例如表示复杂的声音纹理。

自适应音频内容的生成方式不同于单纯基于声道的音频内容。因此，为了获得自适应音频内容，必须自始使用相应的专用处理流程来创建和处理音频信号。然而，受到物理设备和/或技术条件的制约，并非所有音频内容提供方都能够生成这种自适应音频内容。很多音频内容提供方只能产生和提供基于声道的音频内容。而且，期望为已经被创建和发布的基于声道的音频内容创建三维(3D)体验。然而，对于目前已经存在的大量基于声道的传统音频内容而言，尚不存在一种方案能够将这些音频内容有效地转换为自适应音频内容。

因此，本领域中需要一种能够将基于声道的音频内容转换为自适应音频内容的技术方案。

发明内容

为了解决上述问题，本发明提出一种用于生成自适应音频的方法和系统。

在一个方面，本发明的实施例提供一种用于生成自适应音频内容的方法。该方法包括：从基于声道的源音频内容中提取至少一个音频对象；以及至少部分地基于所述至少一个音频对象生成所述自适应音频内容。这方面的实施例还包括包含相应的计算机程序产品。

在另一方面，本发明的实施例提供一种用于生成自适应音频内容的系统。该系统包括：音频对象提取器，被配置为从基于声道的源音频内容中提取至少一个音频对象；以及自适应音频生成器，被配置为至少部分地基于所述至少一个音频对象生成所述自适应音频内容。

通过下文描述将会理解，根据本发明的实施例，能够在确保音频保真度的同时，将传统基于声道的音频内容有效地转换为自适应音频内容。特别地，能够从源音频内容中准确地提取一个或多个音频对象，用于表示尖锐的和动态的声音，从而允许对各个主要声源对象的控制、编辑、回放和/或后处理(re-authoring)。同时，复杂的音频纹理可以是基于声道的格式以支持高效的创作和分发。本发明的实施例所带来的其他益处将通过下文描述而清楚。

附图说明